跳转到正文
莫尔索随笔
返回

Vol.105 AI分化:王小川押注医疗,何小鹏转机器人,Anthropic推动态Agent工作流

预计 12 分钟
AI 周刊 编辑此页

⼤家好,Weekly Gradient第 105 期已送达,本期内容聚焦AI行业分化:王小川转向医疗AI,何小鹏重塑为物理AI公司,Anthropic推出Opus 4.8及动态工作流,并探讨Agent安全、AI成本高企下的商业模式变革与组织革命。

AI 商业

聚焦 AI 行业的商业化路径、市场竞争格局和商业模式创新,包含投资趋势、GTM 策略、SaaS 转型等商业话题。

1.脉搏:前场部署工程师再度火热(The Pragmatic Engineer)

前场部署工程师(FDE)这个角色最近又火起来了,Google、OpenAI 和 Anthropic 都在抢人。有意思的是,FDE 已经不再只是部署代码的技术岗,而是越来越像解决方案架构师或顾问,更偏重客户沟通和商业理解。对于刚入行的工程师来说,这是个绝佳的机会窗口,能快速接触前沿技术和商业落地;但对资深工程师而言,这种角色的吸引力反而在下降,可能是因为技术深度不够。文章把背后的变化讲得很透,值得一读。

2.143. 对何小鹏的第二次访谈:更大赌注、人形机器人 Iron 诞生、那场意外、技术剧变下 CEO、GX 和缝合怪(张小珺Jùn|商业访谈录)

这期是何小鹏的第二次深度访谈,他详细讲述了小鹏从电动车公司转向’物理AI’公司的关键决策。你会听到关于自动驾驶路线如何彻底重构、人形机器人Iron是如何诞生的,以及那场意外对他的影响。在技术剧变下,CEO如何下注、GX和缝合怪又是什么?干货满满,尤其适合关注中国智能硬件、机器人和AI商业化的人。

3.雨森的创投观察第 2 集:Harness、下一个字节、2026 大机会和 Stanley Druckenmiller(张小珺Jùn|商业访谈录)

真格基金戴雨森在第二期观察里大方回应了之前对2026年预测被打脸的争议,还抛出了“Strong Opinions, Weakly Held”的投资态度。他重点分析了Harness作为AI时代操作系统的潜力,以及下一个字节跳动级别的公司会怎么颠覆自己。如果你想理解2026年的大机会在哪,这篇值得细品。

4.AI 行业的收钱、花钱与赚钱---串台赛博对话(屠龙之术)

这期播客把AI行业的钱袋子翻了个底朝天,从怎么收钱、钱花在哪到到底能不能赚到钱,都聊透了。嘉宾们拆解了模型收费、订阅制的门道,还算了算训练和推理的毛利——原来很多AI公司表面风光,实则烧钱如流水。更精彩的是对比中美AI在商业化上的差异,你会发现中国公司更卷价格,美国公司更卷技术。想搞明白AI到底是不是一门好生意,这期不能错过。

5.当软件容易被创作,新时代的产品长什么样?|42 章经(42章经)

AI coding 让软件创作的门槛骤降,未来产品市场可能不再是金字塔,而是哑铃型——顶端是少数模型公司,底端是无数高度分散的 OP C(普通人即创作者)。中间层的传统 SaaS 或许会被挤压,而长尾产品的核心竞争力不再是功能,而是情绪价值和连接。更有意思的是,Web3 可能为这些小微产品提供全新的变现路径。这篇文章会带你重新理解‘产品’的定义。

6.科技爱好者周刊(第 398 期):Token 费用难以负担(阮一峰的网络日志)

AI编程的Token费用贵得离谱,连OpenAI自家员工一个月都能用掉价值百万美元的Token。这下可好,Uber、微软这些大公司都开始限制员工用AI了,不然账单受不了。更惨的是,传统的漏洞赏金计划可能要完蛋了——AI生成的代码和漏洞报告满天飞,根本分不清真假,赏金猎人怕是要失业。

AI 产品

探索 AI 原生产品的设计范式与用户体验革新,强调产品哲学、交互模式、Agent 产品设计等。

1.Claude Opus 4.8 发布(Anthropic News)

Claude 的旗舰模型 Opus 4.8 来了,这次不只是分数刷榜,更关键的是它在诚实度、工具调用效率和长程协作可靠性上做了实质性升级。如果你在用 Claude Code、浏览器智能体或者搭建企业知识工作流,这次更新能让你看到模型的能力边界在哪,以及配套产品有哪些变化。简而言之,Anthropic 在用行动告诉我们要让 AI 更可靠、更诚实、更好用。

AI 工程

涵盖 AI 工程技术实现与场景化开发的全流程,包含 Agent 工程架构、工具实践、上下文工程等核心技术话题。

1.我们如何在多个产品中约束 Claude(Anthropic Engineering)

大家用AI代理时,总担心它乱跑乱动?Anthropic给出了他们的解法:从环境层面下手,给Claude套上临时容器、沙盒或虚拟机,就像给熊孩子划定安全区。关键思路是别只依赖模型自身防护,而是优先在运行环境做隔离,并且根据用户监督能力决定防护强度。他们还提醒,自定义组件可能引入漏洞,值得开发者警惕。这篇文章把AI安全实践讲得很实在,没有空洞的夸夸其谈,对做Agent类产品的人来说很有参考价值。

2.动态工作流功能发布 | Claude(Claude Blog)

Claude Code 这次更新直接跨入了多智能体协作时代,不再是单个 AI 慢悠悠跑一轮,而是能动态调度几十上百个子智能体并行干活。这对做大代码迁移、安全审计这些苦活的人来说简直是解放生产力,也让我们看清了编码 Agent 下一步怎么玩——不再是单打独斗,而是像团队一样分工协作。

3.Claude code 云端部署 & 魔改 sdk 实现 http 流式调用保姆级教程(阿里云开发者)

如果你在用Claude Code CLI但觉得本地跑太麻烦,这篇文章手把手教你把它变成云端服务。作者用FastAPI加SSE搞出了流式API,还整了个“一用户一沙箱”的隔离方案,顺带解决了多用户同时使用、文件持久化和资源自动伸缩这些头疼问题。看完你也能搭一套自己的云端Claude Code,开发效率直接起飞。

4.让 AI 自己做增长:基于 OPC 和 Harness 思想的自主增长系统探索(阿里云开发者)

想让AI自己长本事?这篇文章讲了一套让AI系统自我进化的玩法,核心是OPC和Harness工程思想。他们用多Agent分工、状态机控流程、独立评估体系,解决了长任务跑偏、上下文污染这些烦人问题。还搞了Benchmark闭环,让Agent越用越强。实践里踩过不少坑,比如评估独立性怎么保证,都抖出来了。想搞靠谱AI Agent的,这篇干货值得啃。

5.腾讯云 Agent Memory 节省 61% Token 提升 52%成功率的诀窍:Mermaid 无限画布×上下文卸载(腾讯技术工程)

腾讯云这篇工程实践分享了Agent Memory的短期记忆压缩方案,核心是用上下文卸载保留完整细节,同时用Mermaid任务画布维护状态和依赖结构。结果很亮眼:节省61%的token,成功率还提升了52%。它不只讲了省成本,更给出了长任务Agent避免上下文腐烂的实际设计,多个超长session的评测数据也撑得住。

6.从透明开发到系统工程:AgentScope 2.0 发布(通义实验室)

AgentScope 2.0 来了!这次不是小打小闹,而是从“透明开发”直接升级到“系统工程”。为什么要升级?因为智能体在真实场景里老是掉链子,不稳定、不安全。AgentScope 2.0 这回下了狠功夫,搞了一套统一的模型重试机制、事件系统、权限控制、结构化上下文、中间件,还抽象了执行环境,目标就是让智能体在各种复杂任务里都能稳稳落地。说白了,就是给智能体造了个更靠谱的工程底座。

7.异步智能体时代 — Cognition 的 Walden Yan 与 OpenInspect 的 Cole Murray(Latent.Space)

想知道后台Agent怎么一步步成为新工程基石的?这场对话把Devin的采用数据、VM/容器架构、安全边界和测试记忆问题全摊开讲了,全是干货。如果你好奇异步云端编码智能体到底在产品、架构和组织上怎么落地,这篇能让你少走半年弯路。

8.快模型需要慢开发者:超高速 AI coding 时代的工程纪律(AI Engineer)

你知道现在AI写代码能快到每秒1200个token吗?但别光顾着爽——如果不加纪律,高速生成代码只会把技术债滚雪球。这篇文章不讲虚的,直接给出多层模型编排、自动化代码优选、四文件状态追踪等实操方法,帮你把跟AI的合作从‘甩手掌柜’变成真正的实时伙伴关系。说白了,快模型需要慢开发者,稳扎稳打才能不翻车。

9.对话王小川:离开通用人工智能的主干道之后(智能涌现)

这篇对话记录了王小川和百川智能从通用大模型赛道转向医疗 AI 的关键判断:不再继续卷通用模型,而是围绕「造 AI 医生」重构模型、产品和组织。文章的价值不只在于介绍 M4 医疗大模型和「百小医」Agent,更在于呈现一个 AI 创业者如何在主流叙事之外重新定义长期价值。王小川关于医疗 AI、患者中心、强化学习式「造医生」、以及语言模型、世界模型、生命模型合流的判断,提供了理解 AI 应用创业分化的一条重要线索。

10.聊聊 Harness 时代 AI-First 的组织架构:从信任人到信任 AI(硅谷101)

硅谷101播客聊了Harness工程的新玩法:AI-First意味着组织要彻底信任AI,资深工程师不再写代码,而是去挑AI规划的毛病。CreaoAI的案例尤其刺激,99%代码由AI搞定,产品开发从六周缩到一天。这种转变颠覆了传统的人-机器关系,价值观和技能要求都得重新洗牌。

11.Harness 的尽头不是缰绳,是镜子:AI 时代最沉默的那场革命(腾讯技术工程)

AI真正的挑战从来不是自动化动作,而是让团队把那些藏在脑子里的判断标准、品味和隐性知识,变成可复用的文本和制度。这篇文章不是工具教程,而是点出了Agent工作流和知识系统搭建中最容易被忽略的难点——当AI开始介入协作,逼着你把模糊的“感觉”写清楚。适合正在折腾工作流或者搭建组织知识库的朋友,读完之后你会重新审视自己团队的“制度文本”有多重要。

其他

行业前沿与开源生态,整合行业深度洞察与开源技术动态的复合型主题,技术哲学、AGI 讨论、领袖观点。

1.王建硕:Markdown,是新时代的编程语言(AI炼金术)

王建硕把Markdown抬到了编程语言的高度,声称自然语言才是新世界的“汇编”。在他看来,那些乱七八糟的屎山代码根本不用维护,直接在自然语言层面解决问题就行。更刺激的是,他让自己的APP接上AI代理,用户反馈后5分钟内自动更新,迭代方向完全交给AI决定。这期播客直接把程序员在AI时代的定位给掀翻了,听完可能会让你重新思考写代码这件事的意义。

2.致超级个体 | To The Crazy Ones(十字路口Crossing)

AI时代,真正的超级个体不是被培训出来的,而是被好奇心和完成整件事的欲望点燃的。这篇文章毫不客气地批评了大公司把岗位切得稀碎的做法——把人当成螺丝钉,把创造力全磨没了。它提醒管理者:想做得好,就得给人才松绑,让他们从发现问题一路干到交出结果,重新把生产关系理顺。读下来会让你重新思考“一个人到底能走多远”这件事。


编辑此页